เริ่มใช้ AI ในองค์กรอย่างปลอดภัย: 7 ขั้นตอนสำหรับองค์กรไทย Adopting AI Safely in Your Organization: 7 Steps for Thai Businesses

ทำไมต้อง “เริ่มอย่างปลอดภัย”

ลองนึกภาพวันธรรมดาในออฟฟิศ พนักงานฝ่ายขายคนหนึ่งต้องสรุปสัญญายาว ๆ ให้หัวหน้า เขาเปิดแชตบอต AI ที่ใช้ส่วนตัว วางเนื้อหาสัญญาลงไปทั้งฉบับ แล้วได้สรุปกลับมาในไม่กี่วินาที งานเสร็จเร็ว หัวหน้าพอใจ แต่ไม่มีใครในองค์กรรู้เลยว่าเนื้อหาสัญญานั้นถูกส่งออกไปที่ไหนแล้ว

นี่คือสิ่งที่เรียกว่า Shadow AI คือการที่พนักงานใช้เครื่องมือ AI ที่องค์กรไม่ได้อนุมัติหรือไม่รู้ว่ามีการใช้ ส่วนใหญ่ไม่ได้เกิดจากความตั้งใจไม่ดี แต่เกิดจากความหวังดีอยากทำงานให้เร็วขึ้น ปัญหาคือข้อมูลที่ถูกวางลงไปอาจเป็นข้อมูลลูกค้า ข้อมูลการเงิน หรือความลับทางธุรกิจ และเมื่อออกไปแล้วก็เรียกคืนได้ยาก

ข้อสรุปที่เราอยากให้ผู้บริหารเห็นตรงกันคือ การห้ามใช้ AI ทั้งหมดมักไม่ได้ผล เพราะพนักงานจะหาทางใช้อยู่ดี และการปล่อยให้ต่างคนต่างใช้ก็ไม่ปลอดภัย ทางที่ดีกว่าคือเริ่มใช้อย่างมีแผน มีกติกาที่เข้าใจง่าย และมีเครื่องมือที่องค์กรเลือกแล้ว คู่มือนี้แบ่งเป็น 7 ขั้นตอนที่องค์กรไทยทุกขนาดนำไปปรับใช้ได้ โดยไม่ต้องมีทีมเทคนิคขนาดใหญ่

ขั้นตอนที่ 1: เริ่มจากปัญหาจริง ไม่ใช่เริ่มจากเครื่องมือ

องค์กรจำนวนไม่น้อยเริ่มจากคำถามว่า “เราจะซื้อ AI ตัวไหนดี” ซึ่งมักพาไปสู่การลงทุนโดยไม่รู้ว่าจะแก้ปัญหาอะไร คำถามที่ควรถามก่อนคือ “งานไหนในองค์กรที่ซ้ำ เสียเวลา และคนส่วนใหญ่ไม่อยากทำ”

วิธีง่าย ๆ คือรวบรวมทีมสั้น ๆ แล้วให้แต่ละฝ่ายเขียนงาน 3 อย่างที่ใช้เวลามากที่สุดต่อสัปดาห์ จากนั้นคัดเลือกด้วยเกณฑ์เหล่านี้

• งานนั้นทำซ้ำบ่อยและมีรูปแบบพอสมควร
• ข้อมูลที่เกี่ยวข้องไม่ละเอียดอ่อน หรือสามารถปกปิดได้ง่าย
• มีคนตรวจผลลัพธ์ได้ภายในเวลาไม่นาน
• ถ้าผลลัพธ์ผิดพลาด ความเสียหายต้องไม่ร้ายแรง

ตัวอย่างงานที่มักเหมาะกับการเริ่มต้น ได้แก่ ร่างอีเมลและเอกสารภายใน สรุปรายงานที่ไม่เป็นความลับ ช่วยจัดหมวดหมู่คำถามทั่วไปจากลูกค้า และช่วยเตรียมโครงร่างสำหรับงานนำเสนอ ส่วนงานที่ควรรอไว้ก่อน เช่น งานที่ตัดสินใจเรื่องสิทธิของบุคคล หรืองานที่ต้องใช้ข้อมูลส่วนบุคคลจำนวนมาก

ขั้นตอนที่ 2: จัดประเภทข้อมูล รู้ว่าอะไรใส่ได้ อะไรห้ามใส่

หัวใจของการใช้ AI อย่างปลอดภัยคือการรู้ว่า ข้อมูลแบบไหนเข้าเครื่องมือแบบไหนได้ องค์กรไม่จำเป็นต้องมีระบบจัดชั้นข้อมูลที่ซับซ้อน เริ่มจาก 3 ระดับก็เพียงพอ

กฎข้อสำคัญที่พนักงานจำได้ง่ายคือ “ถ้าไม่แน่ใจ ให้ถือว่าห้ามใส่” แล้วถามผู้รับผิดชอบก่อน นอกจากนี้ควรกำชับเรื่องรหัสผ่านและกุญแจ API เป็นพิเศษ เพราะเป็นสิ่งที่หลุดไปแล้วนำไปใช้ต่อได้ทันที

ขั้นตอนที่ 3: ข้อควรคิดเรื่อง PDPA

เมื่อข้อมูลที่ส่งเข้า AI มี ข้อมูลส่วนบุคคล เช่น ชื่อ เบอร์โทร อีเมล หรือข้อมูลที่ระบุตัวบุคคลได้ องค์กรต้องพิจารณาเรื่องพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (PDPA) ด้วย ประเด็นทั่วไปที่ควรตั้งคำถามมีดังนี้

• วัตถุประสงค์และฐานทางกฎหมาย: เรามีเหตุผลที่ชัดเจนและชอบด้วยกฎหมายในการนำข้อมูลนี้ไปประมวลผลหรือไม่ และตรงกับที่เคยแจ้งเจ้าของข้อมูลไว้หรือไม่
• การส่งข้อมูลให้ผู้ให้บริการภายนอก: ผู้ให้บริการ AI จะกลายเป็นผู้รับข้อมูลหรือผู้ประมวลผลข้อมูลแทนเราหรือไม่ และมีข้อตกลงรองรับหรือไม่
• ความจำเป็นของข้อมูล: ใช้ข้อมูลน้อยที่สุดเท่าที่จำเป็นได้หรือไม่ เช่น ตัดชื่อหรือเลขประจำตัวออกก่อนส่ง
• การเก็บรักษาและสิทธิของเจ้าของข้อมูล: ข้อมูลถูกเก็บไว้ที่ใดและนานเท่าไร และเราตอบสนองคำขอใช้สิทธิของเจ้าของข้อมูลได้หรือไม่
• ข้อมูลอ่อนไหว: ข้อมูลสุขภาพ ศาสนา หรือข้อมูลชีวภาพ ต้องระมัดระวังเป็นพิเศษ

ข้อควรทราบ: เนื้อหาในหัวข้อนี้เป็นข้อมูลทั่วไปเพื่อประกอบการพิจารณา ไม่ใช่คำปรึกษาทางกฎหมาย แต่ละองค์กรมีข้อเท็จจริงต่างกัน กรุณาปรึกษาที่ปรึกษากฎหมายหรือเจ้าหน้าที่คุ้มครองข้อมูลส่วนบุคคล (DPO) ของคุณก่อนตัดสินใจในกรณีจริง

ขั้นตอนที่ 4: เลือกแนวทาง และให้คนอยู่ในวงจรเสมอ

เมื่อรู้โจทย์และรู้ข้อมูลแล้ว จึงเลือกแนวทางการใช้งาน โดยทั่วไปมีให้เลือกหลายระดับ ตั้งแต่ใช้บริการแชตบอต AI สำเร็จรูปแบบสำหรับองค์กร การเชื่อมต่อ AI เข้ากับระบบงานที่มีอยู่ ไปจนถึงการติดตั้งแบบที่ข้อมูลอยู่ในโครงสร้างพื้นฐานของเราเอง แต่ละแบบมีข้อดีข้อเสียต่างกัน เกณฑ์ที่ควรชั่งน้ำหนักคือ

• ข้อมูลที่ต้องใช้มีความอ่อนไหวแค่ไหน
• ผู้ให้บริการเก็บหรือนำข้อมูลไปใช้อย่างไร และมีเงื่อนไขให้เลือกไม่ให้ใช้หรือไม่
• ทีมของเรามีความสามารถดูแลระบบเองหรือไม่
• งบประมาณและความเร็วที่ต้องการ

ไม่ว่าจะเลือกแนวทางใด หลักการที่ควรยึดคือ ให้คนอยู่ในวงจร (human in the loop) หมายถึง AI เป็นผู้ช่วยร่างหรือเสนอแนะ แต่ คนต้องเป็นผู้ตรวจและตัดสินใจก่อนนำไปใช้จริง โดยเฉพาะงานที่กระทบลูกค้า การเงิน หรือสิทธิของบุคคล เช่น อีเมลที่ส่งออกไปให้ลูกค้า ควรมีคนอ่านก่อนกดส่งเสมอ

ขั้นตอนที่ 5: นำร่องเล็ก ๆ และตกลง KPI ล่วงหน้า

อย่าเพิ่งเปิดใช้ทั้งองค์กร ให้เลือกทีมเล็กที่กระตือรือร้น 1 ทีม และ 1 โจทย์ ทดลองในระยะเวลาที่กำหนดชัด เช่น 4 ถึง 8 สัปดาห์ สิ่งสำคัญที่มักถูกลืมคือ การตกลงตัววัดผลก่อนเริ่ม ไม่ใช่มาคิดทีหลังเมื่อโครงการจบแล้ว

ตัวอย่าง KPI ที่ใช้ได้ในโครงการนำร่อง

• เวลาที่ใช้ต่องานเทียบกับก่อนใช้ AI
• คุณภาพผลลัพธ์ตามเกณฑ์ที่ผู้ตรวจกำหนด เช่น จำนวนครั้งที่ต้องแก้ไขมาก
• ความพึงพอใจของผู้ใช้ในทีม
• จำนวนเหตุการณ์ที่ละเมิดกติกาข้อมูล (เป้าหมายคือศูนย์ และถ้าเกิดขึ้นต้องรู้ว่าเกิดอะไรขึ้น)

ก่อนเริ่มให้จดค่าตั้งต้นไว้ด้วย เมื่อสิ้นสุดการนำร่อง ให้ประชุมสรุปว่าควรขยาย ปรับ หรือหยุด การหยุดโครงการที่ไม่ได้ผลถือเป็นผลลัพธ์ที่ดี เพราะประหยัดทั้งเงินและความเสี่ยง

ขั้นตอนที่ 6: อบรมพนักงาน และเขียนนโยบายการใช้ AI ฉบับสั้น

เครื่องมือที่ปลอดภัยแค่ไหนก็ไม่ช่วยถ้าพนักงานไม่รู้ว่าควรทำอย่างไร การอบรมไม่จำเป็นต้องยาว เพียงครึ่งวันหรือหนึ่งชั่วโมงก็เริ่มได้ โดยเน้นตัวอย่างที่ใกล้ตัว เช่น อะไรใส่ได้ อะไรห้ามใส่ วิธีตั้งคำถามให้ได้ผลลัพธ์ดี และวิธีตรวจผลลัพธ์ก่อนนำไปใช้

คู่กับการอบรม ควรมี นโยบายการใช้ AI ที่สั้นพอจะอ่านจบ อาจอยู่ในหน้าเดียว โดยมีหัวข้อหลักดังนี้

1. เครื่องมือ AI ที่องค์กรอนุมัติให้ใช้ และวิธีขอใช้เครื่องมืออื่น
2. ข้อมูลที่ห้ามใส่เด็ดขาด (อ้างอิงการจัดระดับข้อมูลในขั้นตอนที่ 2)
3. หน้าที่ของผู้ใช้ในการตรวจผลลัพธ์ก่อนนำไปใช้ และการไม่อ้างว่าเป็นผลงานที่ไม่ได้ตรวจ
4. ช่องทางสอบถามและแจ้งเหตุ หากเผลอใส่ข้อมูลที่ไม่ควรใส่ ต้องแจ้งได้โดยไม่ถูกลงโทษเกินเหตุ เพื่อให้คนกล้ารายงานเร็ว
5. ผู้รับผิดชอบนโยบาย และกำหนดการทบทวน

ข้อ 4 สำคัญมาก เพราะองค์กรที่ลงโทษหนักเกินไปมักทำให้พนักงานปิดบังเหตุการณ์ ซึ่งทำให้แก้ปัญหาได้ช้ากว่าเดิม

ขั้นตอนที่ 7: รู้จักความเสี่ยงที่พบบ่อย

การเข้าใจความเสี่ยงหลักช่วยให้ตั้งกติกาและตรวจสอบได้ตรงจุด มี 3 เรื่องที่ควรรู้จัก

ข้อมูลรั่วไหล (data leakage)

เกิดเมื่อข้อมูลที่ไม่ควรออกนอกองค์กรถูกใส่ลงในเครื่องมือภายนอก ไม่ว่าจะเป็นข้อความที่วางลงไปหรือไฟล์ที่อัปโหลด วิธีลดความเสี่ยงคือการจัดระดับข้อมูล การใช้เครื่องมือที่ประเมินเงื่อนไขการเก็บข้อมูลแล้ว การตั้งค่าบัญชีองค์กรให้เหมาะสม และการอบรมพนักงาน

Prompt injection

คือการที่ผู้ไม่หวังดีซ่อนคำสั่งไว้ในเนื้อหาที่ AI ต้องอ่าน เช่น ในอีเมล เอกสาร หรือหน้าเว็บ เพื่อหลอกให้ AI ทำสิ่งที่ผู้ใช้ไม่ได้ตั้งใจ เช่น เปิดเผยข้อมูลหรือทำตามคำสั่งแปลก ๆ ความเสี่ยงสูงขึ้นเมื่อ AI ถูกเชื่อมต่อกับระบบจริงหรือมีสิทธิ์ทำสิ่งต่าง ๆ แทนผู้ใช้ แนวทางป้องกันที่ควรทำคือให้สิทธิ์ AI น้อยที่สุดเท่าที่จำเป็น ไม่ให้ทำการสำคัญโดยไม่มีคนอนุมัติ และไม่เชื่อใจเนื้อหาจากภายนอกเพียงเพราะ AI อ่านแล้วสรุปให้

ภาพหลอนของ AI (hallucination)

AI อาจตอบด้วยน้ำเสียงมั่นใจแต่ข้อมูลไม่ถูกต้อง เช่น อ้างกฎหมายหรือแหล่งข้อมูลที่ไม่มีอยู่จริง หรือสรุปตัวเลขผิด วิธีรับมือคือให้คนตรวจทุกครั้งสำหรับงานสำคัญ ขอให้ AI ระบุแหล่งที่มาแล้วไปตรวจต้นฉบับเอง และไม่ใช้ผลลัพธ์ของ AI เป็นข้อมูลอ้างอิงทางกฎหมายหรือการเงินโดยไม่ผ่านผู้เชี่ยวชาญ

เช็กลิสต์สั้น ๆ ก่อนเริ่ม

ใช้รายการนี้ทบทวนก่อนเปิดใช้ AI ในองค์กร หากข้อใดยังตอบไม่ได้ แนะนำให้ทำให้ครบก่อน

• เรารู้แล้วหรือยังว่าจะใช้ AI แก้ปัญหาอะไร และใครเป็นเจ้าของโจทย์
• เราจัดระดับข้อมูลเป็นอย่างน้อย 3 ระดับ และพนักงานเข้าใจแล้วหรือยัง
• เราตรวจเรื่อง PDPA กับที่ปรึกษากฎหมายหรือ DPO สำหรับงานที่เกี่ยวกับข้อมูลส่วนบุคคลแล้วหรือยัง
• มีคนตรวจผลลัพธ์ของ AI ก่อนนำไปใช้ในงานสำคัญ
• เรากำหนดทีมนำร่อง ระยะเวลา และ KPI ไว้ก่อนเริ่มแล้ว
• เรามีนโยบายใช้ AI ฉบับสั้น และได้อบรมพนักงานแล้ว
• เรามีช่องทางให้พนักงานถามและแจ้งเหตุเมื่อใส่ข้อมูลผิดพลาด
• เรากำหนดวันทบทวนนโยบายและผลการใช้งานไว้แล้ว

ขั้นตอนถัดไป

การเริ่มใช้ AI อย่างปลอดภัยไม่ใช่เรื่องของเครื่องมือชิ้นเดียว แต่เป็นเรื่องของโจทย์ ข้อมูล คน และกติกาที่ไปด้วยกัน หากองค์กรของคุณต้องการคนช่วยทบทวนโจทย์ แนวทางการนำร่อง หรือความเสี่ยงด้านความปลอดภัย ทีม TechFinder ยินดีให้คำปรึกษา ดูรายละเอียดได้ที่หน้า บริการ AI Transformation หรือ ติดต่อทีมงาน เพื่อเล่าโจทย์ให้เราฟัง